泊松分布
在实际生活中，如何根据事件的定义和特点，判断是否适合用泊松分布建模？
一、泊松分布适用的核心条件
泊松分布建模的事件，满足这几点：
-
事件是“稀有的”：单位时间/空间内事件发生概率小，且发生次数少（比如突变、故障、客户来访）。
-
事件独立发生：一个事件发生不影响其他事件发生概率。
-
单位区间内事件数服从概率分布：我们关心的是**“某段时间/某个空间内事件发生了多少次”**，而不是单次“是/否”。
-
平均发生率固定：单位时间/空间内事件的期望发生次数 是常数。
二、具体生活中判断流程
| 判断步骤 | 问题示例 | 判断思路 |
|---|---|---|
| 1. 事件是什么？是次数还是单次结果？ | 车祸发生次数、电话呼入次数 | 如果是次数，考虑泊松；如果是单次结果，考虑二项 |
| 2. 单位区间明确吗？ | 每小时、每公里、每升水体 | 明确的时间或空间单位，方便计数 |
| 3. 事件是否稀少且独立？ | 工厂设备故障很少且互不影响 | 稀少且独立更适合泊松 |
| 4. 平均发生率是否稳定？ | 某地区平均每天5次电话 | 平稳的平均率符合泊松假设 |
| 5. 事件次数是否无上限？ | 一小时内可能发生0、1、2、3…次 | 泊松能表示任意非负整数次数 |
三、举几个典型例子
| 场景 | 说明 | 适用泊松吗？ |
|---|---|---|
| 电话呼入中心每分钟的电话数量 | 事件是“次数”，单位时间内计数 | ✅ |
| 超市一天的顾客数量 | 计数事件，单位时间 | ✅ |
| 病人身上某种基因突变数 | 统计突变个数 | ✅ |
| 抛硬币10次正面出现 | 是/否事件（单次），次数有限 | ❌（用二项分布） |
-
泊松分布描述的是单位时间/空间内稀有事件发生的次数，事件次数不限，且事件独立、平均速率固定。
-
如果你的事件天然是“是/否”（单次试验结果），且试验次数有限，应该用二项分布。
“事件稀少且频率稳定，用泊松；事件有限且独立，用二项。”
矿井在某段时间发生事故的次数；
单位体积空气中含有某种微粒的数目；
单位时间内市级医院急诊病人数；
本书中每页印刷错误的个数
**全基因组测序，比对到某一个区域内的 reads count **
**RNA-Seq测序，1个gene内比对到的 reads count